相关实验视频
Updated: Jun 28, 2026
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
一个修改的适应卡尔曼波器算法,用于分布式水下多目标被动跟踪系统
Xuefei Ma1,2, Jiaxin Ma1, Zexu Ma2
1College of Information Science and Technology, Tibet University, Lhasa, 850032, China.
JASA express letters
|January 2, 2025
概括
这项研究引入了一种改进的自适应卡尔曼波器 (AKF),用于可靠的水下多目标跟踪. 新的AKF算法显著提高了估计目标位置和速度的准确性,即使在不确定的噪声下也是如此.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 信号处理 信号处理
- 导航系统 导航系统
背景情况:
- 由于测量噪音的不确定性,水下多目标追踪存在挑战.
- 传统的卡尔曼过算法与动态和不可预测的噪音环境作斗争.
研究的目的:
- 开发一个强大而准确的算法,用于水下多目标跟踪.
- 为了提高在不确定测量噪声的环境中运行的追踪系统的可靠性.
主要方法:
- 开发了一种修改的自适应卡尔曼波器 (AKF) 算法.
- 关键的修改包括一个自适应的色因子,测量噪声协差调整,以及一个自适应的权重因子.
- 算法同时估计未知测量噪声和状态向量.
主要成果:
- 与传统方法相比,拟议的AKF算法表现出优越的性能.
- 在估计位置的平方根平均误差 (RMSE) 中至少减少了10.29%.
- 在估计速度下,RMSE至少减少了52.57%.
结论:
- 修改后的AKF算法为水下多目标跟踪提供了可靠的解决方案.
- 适应性功能在不确定的测量噪声的情况下提高了准确性和稳定性.
- 经验数据验证了算法的显著性能改进.
